FR3109519A1 - Appareil de détection et d’interruption d’un épisode d’apnée du sommeil - Google Patents
Appareil de détection et d’interruption d’un épisode d’apnée du sommeil Download PDFInfo
- Publication number
- FR3109519A1 FR3109519A1 FR2004168A FR2004168A FR3109519A1 FR 3109519 A1 FR3109519 A1 FR 3109519A1 FR 2004168 A FR2004168 A FR 2004168A FR 2004168 A FR2004168 A FR 2004168A FR 3109519 A1 FR3109519 A1 FR 3109519A1
- Authority
- FR
- France
- Prior art keywords
- person
- episode
- sleep apnea
- module
- sleep
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 201000002859 sleep apnea Diseases 0.000 title claims abstract description 71
- 238000005259 measurement Methods 0.000 claims abstract description 96
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 230000002739 subcortical effect Effects 0.000 claims abstract description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 19
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 241000220317 Rosa Species 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 210000003128 head Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 241001669679 Eleotris Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 208000008784 apnea Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
Abstract
Un appareil de détection et d’interruption d’un épisode d’apnée du sommeil configuré pour être porté sur la tête d’une personne durant une phase de sommeil de ladite personne, comprend : * un module d’acquisition configuré pour acquérir au moins un signal de mesure représentatif d’un signal physiologique de la personne, * un module d’analyse dudit signal de mesure pour détecter ou prédire un épisode d’apnée du sommeil,, * un module d’émission agencé de manière à émettre un bruit rose à destination de la personne de manière à provoquer un réveil sous-cortical de la personne, lorsqu’un épisode d’apnée du sommeil est détecté ou prédit par le module d’analyse. Figure de l’abrégé : Figure 3
Description
La présente divulgation relève du domaine des appareils de détection et d’interruption d’un épisode d’apnée du sommeil et des procédés de contrôle d’un état de sommeil d’une personne.
Le sommeil est un état associé à des changements physiologiques et neurologiques spécifiques. Une pratique commune pour contrôler l’état d’une personne durant son sommeil est d’acquérir des signaux de mesure représentatifs d’un signal physiologique de la personne. Ces signaux de mesure peuvent alors être analysés afin de déterminer un état de la personne durant son sommeil, et notamment un état lié à des troubles du sommeil spécifiques. Parmi ces troubles du sommeil figure l’apnée du sommeil.
Il est connu de l’art antérieur de faire analyser les signaux de mesure d’une personne par une équipe d’experts. Plus précisément, suite à une période de sommeil, ces experts analysent les signaux de mesure acquis durant la période de sommeil. L’analyse comprend l’annotation d’évènements spécifiques identifiés sur les signaux de mesure. Toutefois, cette analyse est complexe, chronophage, et imprécise.
De plus, les signaux étant analysés en différé, il n’est pas possible d’envoyer un stimulus permettant à la personne de sortir de cet état d’apnée du sommeil.
Il est également connu, notamment du document US20140051938, d’acquérir des signaux de la personne au moyen d’un appareil connecté. La personne s’endort avec une ceinture autour de l’abdomen. Des capteurs permettent de mesurer des signaux de la personne qui sont ensuite envoyés vers un ordinateur qui détecte ou non la présence d’un épisode d’apnée du sommeil.
Lorsqu’un épisode d’apnée du sommeil est détecté, un signal est envoyé pour réveiller la personne et interrompre le sommeil, ce qui entraîne un état de fatigue important à long terme.
Résumé
La présente divulgation vient améliorer la situation.
Il est proposé un appareil de détection et d’interruption d’un épisode d’apnée du sommeil, ledit appareil étant configuré pour être porté sur la tête d’une personne durant une phase de sommeil de ladite personne, et comprenant :
* un module d’acquisition configuré pour acquérir au moins un signal de mesure représentatif d’un signal physiologique de la personne,
* un module d’analyse dudit signal de mesure pour détecter ou prédire un épisode d’apnée du sommeil,,
* un module d’émission agencé de manière à émettre un bruit rose à destination de la personne de manière à provoquer un réveil sous-cortical de la personne, lorsqu’un épisode d’apnée du sommeil est détecté ou prédit par le module d’analyse.
* un module d’acquisition configuré pour acquérir au moins un signal de mesure représentatif d’un signal physiologique de la personne,
* un module d’analyse dudit signal de mesure pour détecter ou prédire un épisode d’apnée du sommeil,,
* un module d’émission agencé de manière à émettre un bruit rose à destination de la personne de manière à provoquer un réveil sous-cortical de la personne, lorsqu’un épisode d’apnée du sommeil est détecté ou prédit par le module d’analyse.
L’appareil de détection et d’interruption d’un épisode d’apnée du sommeil est particulièrement avantageux puisqu’il permet d’interrompre un épisode d’apnée du sommeil sans complètement réveiller la personne durant son sommeil. En effet, l’émission d’un bruit rose entraîne le réveil sous-cortical de la personne, ce qui induit que son cycle de sommeil n’est pas interrompu même lorsque la personne subit un épisode d’apnée du sommeil. Il en résulte une meilleure qualité de sommeil, et par incidence une meilleure qualité de vie pour la personne qui peut dormir sans interruption toute une nuit malgré des épisodes d’apnée du sommeil.
Les caractéristiques exposées dans les paragraphes suivants peuvent, optionnellement, être mises en œuvre. Elles peuvent être mises en œuvre indépendamment les unes des autres ou en combinaison les unes avec les autres :
Le module d’analyse comprend un modèle de prédiction d’un épisode d’apnée du sommeil, mis en œuvre par un algorithme intelligent entraîné pour prédire un épisode d’apnée du sommeil.
Cela permet donc l’automatisation de l’étape d’analyse. Cela permet en outre d’assurer la précision du résultat de l’étape d’analyse.
Le module d’analyse est configuré pour prédire un épisode d’apnée du sommeil par une analyse de motifs apparaissant sur le signal de mesure, et de préférence le module d’analyse est configuré pour extraire et reconnaître au moins un paramètre représentatif d’un épisode, présent ou futur, d’apnée du sommeil suite à l’analyse des motifs apparaissant sur le signal de mesure.
Le module d’analyse comprend une intelligence artificielle configuré pour prédire une probabilité d’apparition d’un épisode d’apnée du sommeil, le bruit rose étant émis par le module d’émission lorsque la probabilité d’apparition d’un épisode d’apnée du sommeil est supérieure à un seuil prédéfini.
L’intelligence artificielle comprend un réseau de neurones de type prédicteur, ayant préalablement subi un apprentissage sur une pluralité de signaux de mesure représentatifs d’un signal physiologique d’une pluralité de personnes.
Cela permet donc de diversifier les signaux de mesure permettant d’entraîner l’intelligence artificielle. Cela induit donc une intelligence plus robuste, et mieux à même de détecter et/ou prédire un épisode d’apnée du sommeil pour toute personne.
Le module d’analyse est configuré pour recevoir en entrée un signal de mesure brut.
Cela permet donc de réduire la durée de transmission du signal vers le module d’analyse. En outre, puisqu’aucun filtre ou convertisseur n’est nécessaire, l’encombrement de l’appareil est réduit.
Le module d’acquisition comprend l’un au moins de :
- au moins une électrode de mesure d’un électroencéphalogramme de la personne,
- au moins une électrode de mesure d’un électromyogramme de la personne,
- au moins une électrode de mesure d’un électrocardiogramme de la personne,
- un microphone,
- un détecteur de rythme cardiaque,
- un accéléromètre,
- un détecteur de respiration,
- un capteur de bio-impédance.
- au moins une électrode de mesure d’un électroencéphalogramme de la personne,
- au moins une électrode de mesure d’un électromyogramme de la personne,
- au moins une électrode de mesure d’un électrocardiogramme de la personne,
- un microphone,
- un détecteur de rythme cardiaque,
- un accéléromètre,
- un détecteur de respiration,
- un capteur de bio-impédance.
Une pluralité de types de signaux de mesure de la personne peut donc être acquise. Cela augmente l’efficacité de l’appareil.
Le module d’acquisition est configuré pour acquérir le signal de mesure en continu, le module d’analyse étant configuré pour analyser des sections du signal de mesure acquis sur une fenêtre de temps d’une largeur comprise entre 30 secondes et 5 minutes, et de préférence 3 minutes.
Cette durée est choisie de manière à obtenir un signal suffisamment long pour que le module d’analyse puisse détecter de manière efficace et correcte un épisode, présent ou futur, d’apnée du sommeil.
Selon un autre aspect, il est proposé un procédé de contrôle d’un état de sommeil d’une personne, le procédé comprenant :
-.une acquisition d’au moins un signal de mesure représentatif d’un signal physiologique de la personne par un module d’acquisition,
- une analyse dudit signal de mesure pour extraire au moins un paramètre représentatif d’un état de sommeil de la personne,
- en fonction du résultat de ladite analyse, envoi d’un signal par le module d’analyse à un module d’émission programmé pour émettre un bruit rose à la personne.
-.une acquisition d’au moins un signal de mesure représentatif d’un signal physiologique de la personne par un module d’acquisition,
- une analyse dudit signal de mesure pour extraire au moins un paramètre représentatif d’un état de sommeil de la personne,
- en fonction du résultat de ladite analyse, envoi d’un signal par le module d’analyse à un module d’émission programmé pour émettre un bruit rose à la personne.
Ce procédé permet avantageusement de contrôler un état de sommeil de la personne qui serait nuisible. Lorsqu’un tel état est détecté suite à l’analyse des signaux de mesure de la personne, l’émission du bruit rose permet de sortir la personne de cet état nuisible sans pour autant la réveiller.
Les caractéristiques exposées dans les paragraphes suivants peuvent, optionnellement, être mises en œuvre. Elles peuvent être mises en œuvre indépendamment les unes des autres ou en combinaison les unes avec les autres :
Ladite analyse est effectuée par un modèle de prédiction d’un état de sommeil de la personne, mise en œuvre par un algorithme intelligent entraîné pour prédire un état de sommeil d’une personne quelconque, ladite analyse comprenant en outre une classification du paramètre dans une classe parmi une pluralité de classes de paramètres en lui associant une probabilité d’appartenir à ladite classe, et, en fonction de la probabilité associé au paramètre d’appartenir à la classe, envoi du signal par le module d’analyse au module d’émission programmé pour émettre le bruit rose à la personne.
Le procédé est donc mis en œuvre de manière complètement automatique. Cela permet une plus grande robustesse et efficacité dans la détection d’un épisode, présent ou futur, d’apnée du sommeil.
Le signal de mesure est un électroencéphalogramme.
La détection peut être effectuée sur la base d’un unique type de signal de mesure. Cela permet de réduire la complexité du procédé.
Le module d’analyse comprend une intelligence artificielle, et de préférence ladite intelligence artificielle est un réseau de neurones, le procédé comprenant préalablement un entraînement par apprentissage de l’intelligence artificielle, ledit apprentissage comprenant :
- acquisition d’une pluralité de signaux de mesure représentatifs d’au moins un signal physiologique d’une pluralité de personnes,
- extraction sur la pluralité de signaux de mesure d’au moins un paramètre représentatif d’un état de sommeil,
- assignation dudit paramètre à une classe de paramètres parmi une pluralité de classes de paramètres,
- stockage de l’intelligence artificielle entraînée.
- acquisition d’une pluralité de signaux de mesure représentatifs d’au moins un signal physiologique d’une pluralité de personnes,
- extraction sur la pluralité de signaux de mesure d’au moins un paramètre représentatif d’un état de sommeil,
- assignation dudit paramètre à une classe de paramètres parmi une pluralité de classes de paramètres,
- stockage de l’intelligence artificielle entraînée.
L’apprentissage se fait sur la base d’une pluralité de signaux de mesure, acquise sur une pluralité de personnes différentes. Cela augmente encore davantage l’efficacité et la robustesse du procédé.
D’autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l’analyse des dessins annexés, sur lesquels :
Fig. 1
Fig. 2
Fig. 3
Fig. 4
Fig. 5
Les dessins et la description ci-après contiennent, pour l’essentiel, des éléments de caractère certain. Ils pourront donc non seulement servir à mieux faire comprendre la présente divulgation, mais aussi contribuer à sa définition, le cas échéant.
Les figures 1 à 3 illustrent plus précisément un appareil de détection et d’interruption d’un épisode d’apnée du sommeil, ou « appareil 1 » dans la suite de la description.
L’appareil 1 est configuré pour mettre en œuvre un procédé de contrôle d’un état de sommeil d’une personne P, et plus précisément de contrôle d’un épisode d’apnée du sommeil d’une personne P.
L’appareil 1 est configuré pour être porté par la personne P, par exemple au cours d’une période de sommeil de la personne P, jusqu’au lever de la personne P.
L’appareil 1 est configuré pour être porté sur la tête de la personne P.
À cette fin, l’appareil 1 peut comporter un ou plusieurs éléments supports 2 configurés pour entourer au moins partiellement la tête de la personne P, de sorte à y être maintenu. Les éléments supports 2 peuvent prendre la forme d’une ou plusieurs branches pouvant entourer la tête de la personne P pour y maintenir l’appareil 1.
L’appareil 1 comporte également un module d’acquisition 3 d’au moins un signal de mesure et un module d’émission 4 conçus pour émettre un stimulus décrit ci-après.
L’appareil 1 comporte en outre un module d’analyse 5 en communication avec le module d’acquisition 3 et le module d’émission 4.
Dans un mode de réalisation, l’appareil 1 est configuré pour émettre le stimulus et à acquérir les signaux de mesure de manière autonome. À cet effet, l’appareil 1 peut comporter une batterie 6. La batterie 6 peut être montée sur l’élément support 2. La batterie 6 est de préférence configuré pour fournir de l’énergie sur une durée de plusieurs heures sans recharge, préférentiellement au moins huit heures, de manière à couvrir une période de sommeil usuelle d’une personne.
Par « autonome », on entend que l’appareil 1 peut fonctionner pendant une période prolongée, de préférence plusieurs heures, en particulier au moins huit heures, sans avoir besoin d’être rechargé en énergie électrique, de communiquer (avec ou sans fil) avec des éléments extérieurs ou encore d’être relié structurellement à un dispositif extérieur comme un élément de fixation tel un bras ou une potence. En particulier, l’appareil 1 ne nécessite aucune interaction avec un ordinateur tiers pour fonctionner durant le sommeil de la personne.
De cette manière, l’appareil 1 est configuré pour être utilisé dans la vie quotidienne d’une personne P sans imposer de contraintes particulières.
L’appareil 1 peut en outre comprendre une mémoire 7.
Pour permettre la détection et l’interruption d’un épisode d’apnée du sommeil, le module d’acquisition 3, le module d’émission 4, le module d’analyse 5 et la mémoire 7 sont reliés fonctionnellement entre eux et configurés pour échanger des informations et des commandes.
À cette fin, le module d’acquisition 3, le module d’émission 4, le module d’analyse 5 et la mémoire 7 peuvent être montés sur l’élément support 2.
La mémoire 7 peut être configuré pour stocker des données qui seront détaillées dans la suite de la description et peuvent comprendre au moins les signaux de mesure acquis par le module d’acquisition 3.
Le signal de mesure peut notamment être représentatif d’un signal électrique physiologique de la personne P. Par signal de mesure, on entend un signal de mesure ou une pluralité de signaux de mesure.
Le signal électrique physiologique peut par exemple comporter un électroencéphalogramme (ou « EEG »), un électromyogramme (ou « EMG »), un électrooculogramme (ou « EOG), un électrocardiogramme (ou « ECG ») ou tout autre biosignal mesurable sur la personne P. Plusieurs signaux électriques physiologiques peuvent être acquis simultanément et former des signaux de mesure distincts ou combinés les uns avec les autres.
À cette fin, le module d’acquisition 3 comporte par exemple une pluralité d’électrodes configurés pour être maintenues en contact avec la personne P, et notamment avec la peau de la personne P pour acquérir au moins un signal de mesure représentatif d’un signal électrique physiologique de la personne P.
Le signal électrique physiologique comporte avantageusement un EEG de la personne P.
À cette fin, l’appareil 1 peut comporter au moins deux électrodes dont au moins une électrode de référence 3a et au moins une électrode de mesure 3b. L’appareil 1 peut en outre comporter une électrode de masse 3c.
Les électrodes de mesure EEG sont par exemple disposées à la surface du cuir chevelu de la personne P.
Dans d’autres modes de réalisation, l’appareil 1 peut comporter en outre une électrode de mesure EMG et/ou une électrode de mesure EOG.
Les électrodes de mesure peuvent être des électrodes sèches ou des électrodes recouvertes d’un gel de contact. Les électrodes 3 peuvent également être des électrodes textiles ou en silicone.
Le module d’acquisition 3 peut également comporter des moyens permettant d’acquérir des signaux de mesure non uniquement électriques.
Dans ce cas, le signal de mesure peut en particulier être représentatif d’un signal physiologique de la personne P non électrique, ou non totalement électrique, par exemple un signal d’activité cardiaque tel qu’un rythme cardiaque, une respiration ou des mouvements de la personne P.
À cette fin, le module d’acquisition 3 peut comporter un détecteur de rythme cardiaque, un détecteur de respiration, un accéléromètre, un capteur de bio-impédance et/ou encore un microphone.
Dans un mode de réalisation, le module d’analyse reçoit le signal de mesure brut. Plus particulièrement, le signal de mesure ne subit pas ou peu de traitement préalablement à son analyse par le module d’analyse.
En particulier, l’appareil 1 peut comprendre un filtre passe-bas d’ordre 2 entre les capteurs et le module d’acquisition 3.
Cela présente l'avantage de réduire l’encombrement de l’appareil puisque le filtrage est réalisé numériquement.
D’autre part, cela permet davantage de flexibilité dans le traitement du signal.
Dans un autre mode de réalisation, le signal de mesure peut subir un traitement avant d’être transmis au module d’analyse 5.
Le traitement du signal de mesure peut comporter, par exemple, au moins l’un des traitements suivants : filtrage fréquentiel, amplification ou échantillonnage, au moyen d’un convertisseur 9 analogique digital.
En variante, les électrodes du module d’acquisition 3 elles-mêmes sont configurées pour effectuer l’un des traitements ci-dessus.
Les signaux de mesure sont transmis au module d’analyse 5 de manière à être analysés en vue de détecter et/ou prédire un épisode d’apnée du sommeil.
Selon un exemple de réalisation, les signaux de mesure sont analysés en continu et en temps réel par le module d’analyse 5. Par exemple, les signaux sont acquis et analysés en continu durant toute une période de nuit de la personne, soit plusieurs heures.
L’appareil 1 peut comprendre des moyens d’entrée 8, ou interface homme-machine, permettant à la personne P d’indiquer le moment où elle se couche.
Selon un autre exemple, il peut être prévu de transmettre les signaux de mesure au module d’analyse 5 à un intervalle de temps régulier. Le module d’analyse 5 est alors configuré pour analyser des portions de signaux de mesure acquis sur une fenêtre de temps glissant d’une largeur comprise entre 30 secondes et 5 minutes.
Cette fenêtre de temps est choisi afin de permettre d’avoir un signal suffisamment important pour que le module d’analyse 5 soit configuré pour prédire et/ou à détecter un épisode d’apnée du sommeil.
Selon un mode de réalisation, les signaux de mesure sont acquis selon une fenêtre de temps glissante. Ainsi, la fenêtre de temps d’acquisition peut glisser de manière à éviter un chevauchement de deux portions de signaux de mesure consécutives.
En variante, deux portions de signaux de mesure consécutives se chevauchent. Ainsi, la fenêtre de temps glissante glisse selon un intervalle de temps plus court que la durée d’acquisition d’une portion de signal de mesure.
Les portions de signaux de mesure à analyser correspondent par exemple aux portions de signaux de mesure acquises suite à l’activation des moyens d’entrée 8. Le module d’analyse 5 est configuré pour analyser les signaux de mesure acquis suite à ladite activation des moyens d’entrée 8, afin de détecter et/ou prédire un épisode d’apnée du sommeil de la personne.
Dans la suite de la description, les termes portions de signaux de mesure ou signaux de mesure sont utilisés indifféremment, et désignent les portions de signaux de mesure ou les signaux de mesure analysés par le module d’analyse 5.
Notamment, le module d’analyse 5 analyse les signaux de mesure pour détecter et/ou prédire un épisode d’apnée du sommeil de la personne P, et selon le résultat de cette analyse, un signal est envoyé par le module d’analyse 5 au module d’émission 4 afin d’émettre un bruit rose. L’émission d’un bruit rose a pour but de déclencher un réveil sous-cortical de la personne P. Ainsi, la personne P n’est pas complètement réveillée, son cycle de sommeil et son repos sont donc respectés. Toutefois, l’émission du bruit rose permet à la personne de recommencer à respirer normalement, permettant d’interrompre l’épisode d’apnée du sommeil, ou bien de continuer de respirer normalement et éviter l’apparition d’un épisode d’apnée.
Le bruit rose est un signal caractérisé par une densité spectrale constante par bande d’octave.
Dans un mode de réalisation, le bruit rose peut être émis pendant une durée comprise entre 500ms et 2000ms. La fréquence moyenne du bruit rose peut être comprise entre 800 Hz et 1200 Hz, et de préférence égale à 100 Hz. L’amplitude du bruit rose peut monter jusqu’à 30dBm.
La durée et l’amplitude du bruit rose peuvent être adaptées à l’utilisateur.
Selon un mode de réalisation, le module d’analyse comprend un modèle de prédiction d’un épisode d’apnée du sommeil, mis en œuvre par un algorithme intelligent entraîné pour prédire un épisode d’apnée du sommeil.
Par exemple, le modèle est construit sur un modèle d’apprentissage profond (ou «deep learning» en anglais). En variante, le modèle est construit sur un modèle d’apprentissage statistique (ou «machine learning» en anglais).
Notamment, le module d’analyse 5 peut être configuré pour prédire un épisode d’apnée du sommeil par une analyse de motifs apparaissant sur le signal de mesure, et de préférence le module d’analyse 5 est configuré pour extraire et reconnaître au moins un paramètre représentatif d’un épisode, présent ou futur, d’apnée du sommeil suite à l’analyse des motifs apparaissant sur le signal de mesure.
En particulier, un des motifs peut être une interruption de respiration mesurée par l’un des capteurs. En variante, le motif peut être la fréquence cardiaque, et notamment une diminution de la fréquence cardiaque mesurée par l’électroencéphalogramme. Dans une autre variante de réalisation, un des motifs peut être une interruption du signal sonore détecté par le microphone.
Les paramètres de détection peuvent être ajustés en cours d’utilisation de l’appareil 1 ou préalablement à son utilisation, au moyen d’une base de données regroupant des motifs annotés, tel que décrit ci-après.
Par exemple, le module d’analyse 5 comprend une intelligence artificielle IA configuré pour fournir une probabilité d’apparition d’un épisode d’apnée du sommeil, le bruit rose étant émis par le module d’émission 4 lorsque la probabilité d’apparition d’un épisode d’apnée du sommeil est supérieure à un seuil prédéfini.
Ce seuil peut être compris entre 60% et 95%, et de préférence supérieur à 80%.
Selon un mode de réalisation particulier, l’intelligence artificielle IA comprend un réseau de neurones de type prédicteur, ayant préalablement subi un apprentissage sur une pluralité de signaux de mesure représentatifs d’un signal physiologique d’une pluralité de personnes.
Autrement dit, l’intelligence artificielle IA peut être entraînée pour prédire si et/ou à quel moment un épisode d’apnée du sommeil surviendra.
L’intelligence artificielle IA peut être stockée dans la mémoire 7 de l’appareil 1.
Lors de l’apprentissage de l’intelligence artificielle IA, les données en entrée sont les signaux de mesure de la personne P. L’information obtenue en sortie de l’intelligence artificielle IA peut être une information de type « la personne va vivre un épisode d’apnée du sommeil », « aucun épisode d’apnée du sommeil est prédit ».
En variante, l’information obtenue en sortie est une probabilité que la personne P soit en train de faire une apnée du sommeil, ou que la personne P va faire une apnée du sommeil.
Lors de son apprentissage, l’intelligence artificielle peut être alimentée avec les signaux de mesure de la personne P acquis durant toute la période de nuit, soit plusieurs heures.
L’intelligence artificielle IA peut également être alimentée avec des données de la personne P, telles que son âge, le type de dormeur qu’elle estime être, etc.
En variante, l’intelligence artificielle IA est alimentée uniquement avec des signaux de mesure correspondant à un EEG de la personne P.
Le nombre de signaux de mesure devant être acquis pour détecter et/ou prédire un épisode d’apnée du sommeil est donc limité et compensé par d’autres informations.
En variante, l’intelligence artificielle est alimentée avec une pluralité de signaux de mesure, notamment l’EEG, l’ECG, le rythme cardiaque, les mouvements de la personne, les signaux respiratoires de la personne.
En variante, l’intelligence artificielle IA est entraînée avec des signaux de mesure d’une pluralité de personnes P. Notamment, une pluralité de signaux de mesure sont acquis sur une pluralité de personnes P, lors d’une période de sommeil des personnes P, au moyen de l’appareil 1.
Les signaux de mesure peuvent être un signal EEG, une respiration, un signal cardiaque, un hypnogramme, etc. Les signaux de mesure peuvent être traités tel que décrits précédemment ou les signaux de mesure peuvent être bruts, c'est-à-dire non pré-traités avant analyse par le module d’analyse 5. L’intelligence artificielle IA peut en outre être entraînée avec des données de la pluralité de personnes P telles que leur âge, le type de dormeur que les personnes estiment être, etc.
L’intelligence artificielle IA est configuré pour détecter des modifications dans les motifs du signal. Ces modifications peuvent correspondre à une augmentation de la probabilité qu’un épisode d’apnée du sommeil soit en cours et/ou débute dans un futur proche. Ainsi, l’intelligence artificielle IA est non seulement configuré pour détecter qu’un épisode d’apnée du sommeil est en train de se produire, mais également à prédire qu’un épisode d’apnée du sommeil va se produire.
Ainsi, l’émission du bruit rose par le module d’émission 4 peut être programmée de manière à être émis dès le début de l’épisode d’apnée du sommeil, voire même avant qu’il ne débute.
Dans un mode de réalisation, la réaction de l’utilisateur à l’émission du bruit rose peut être analysée et servir pour l’apprentissage de l’intelligence artificielle IA.
Notamment, le volume sonore d’émission du bruit rose peut être augmenté s’il est détecté que l’utilisateur n’a pas réagi au bruit rose. Notamment, le volume sonore peut être augmenté par tranche de 5% de son volume, jusqu’à déterminer le volume optimal permettant à l’utilisateur de sortir de l’épisode d’apnée du sommeil, tout en empêchant son éveil complet.
De la même manière, la durée d’émission du bruit rose peut être modifiée. Par exemple, la durée d’émission du bruit rose peut être augmentée par pas de 500ms, jusqu’à ce que la durée soit déterminée comme étant optimale. Plus précisément, la durée d’émission du bruit rose est optimale lorsque l’émission du bruit rose permet à l’utilisateur de sortir de l’épisode d’apnée du sommeil sans l’éveiller complètement.
Les signaux de mesure acquis sur la personne P ou la pluralité de personnes P peuvent être stockés dans une base de données 10, elle-même stockée dans la mémoire 7.
Dans une réalisation, la base de données peut comprendre des motifs annotés sur la base desquels l’intelligence artificielle peut être également entraînée.
Selon une réalisation, la base de données 10 est stockée dans un serveur 11, distant de l’appareil 1. L’appareil 1 et le serveur 11 forment un système 12 de détection et d’interruption d’un épisode d’apnée du sommeil. Dans une telle réalisation, l’appareil 1 n’est alors pas autonome.
Le module d’analyse 5 peut être en communication avec le serveur 11 via des moyens de communication 13 de l’appareil 1.
Selon une réalisation, les moyens de communication 13 peuvent comprendre un module de communication sans-fil, par exemple un module mettant en œuvre un protocole tel que le Bluetooth et/ou le Wi-Fi.
Le serveur 11 peut également comporter des moyens de transmission de données 14. Les moyens de communication 13 de l’appareil 1 et les moyens de transmission de données 14 du serveur 11 distant sont configurés pour communiquer entre eux, directement (communication point à point) ou par l’intermédiaire d’un réseau étendu, par exemple le réseau internet.
Plus précisément, les moyens de communication 13 de l’appareil 1 et les moyens de transmission de données 14 du serveur 11 distant sont configurés pour échanger des données.
Ainsi, les moyens de communication 13 de l’appareil 1 peuvent notamment être configurés pour transférer les signaux de mesure acquis par le module d’acquisition 3 via les moyens de transmission de données 14 du serveur 11 distant.
De même, l’intelligence artificielle IA peut avoir accès aux signaux de mesure acquis par des moyens d’acquisition d’autres appareils, sur d’autres personnes, et qui sont stockés dans la base de données 10 du serveur 11.
Avantageusement, l’intelligence artificielle IA est entraînée non seulement avec les signaux de mesure de la personne P, mais également avec les signaux de mesures de la pluralité de personnes, compris dans la base de données 10. La robustesse de l’intelligence artificielle IA est ainsi grandement améliorée.
D’autre part, l’intelligence artificielle IA étant également entraînée avec les signaux de mesure de la personne P, l’intelligence artificielle IA est personnalisée pour la personne P.
Selon le mode de réalisation de la figure 4, le système 12 comprend le serveur 11 et une pluralité d’appareils 1.
La pluralité d’appareils 1 communique avec le serveur 11 via leurs moyens de communication 13 respectifs. Notamment, les signaux de mesure acquis sur chacune des personnes portant un appareil 1 parmi la pluralité d’appareils 1 sont stockés dans la base de données 10. Ainsi, chaque intelligence artificielle IA est alimentée en continu avec des signaux de mesure.
En variante, l’intelligence artificielle IA peut être stockée sur le serveur 11.
Selon une réalisation, l’intelligence artificielle IA est également configuré pour détecter la fin d’un épisode d’apnée du sommeil.
Dans des variantes, les échanges de données entre l’appareil 1 et le serveur 11 peuvent être limités, voire totalement interrompus, lorsque l’appareil 1 équipe la personne P pendant son sommeil, de sorte que l’exposition de la personne P aux champs électromagnétiques des communications est limitée. La connexion avec le serveur 11 peut être rétablie lorsque l’appareil 1 n’équipe plus la personne. Un tel appareil 1 est alors autonome, au moins pendant son utilisation par la personne P.
Lorsque la fin d’un épisode d’apnée du sommeil est détectée, le module d’analyse 5 est configuré pour transmettre un signal d’arrêt d’émission du bruit rose au module d’émission 4.
Le module d’émission 4 peut comporter un dispositif d’émission 15 et une électronique de contrôle 16. Notamment, l’électronique de contrôle 16 est configuré pour communiquer avec le module d’analyse 5. Plus précisément, le module d’analyse 5 commande l’émission du bruit rose et son interruption via l’électronique de contrôle 16. Le dispositif d’émission 15 est configuré pour émettre le bruit rose.
Ainsi, le dispositif d’émission 15 est un dispositif acoustique permettant de produire le bruit rose entraînant le réveil sous-cortical de la personne P et donc l’interruption de l’épisode d’apnée du sommeil.
La figure 5 illustre les principales étapes du procédé de contrôle d’un état de sommeil d’une personne.
Plus précisément, le procédé permet le contrôle et l’interruption d’un épisode d’apnée du sommeil de la personne P.
À l’étape S1, les signaux de mesure de la personne P sont acquis au moyen du module d’acquisition 3. Ces signaux de mesure sont ensuite analysés par le module d’analyse 5 tel que décrit précédemment (étape S2).
Il est ensuite déterminé à l’étape S3 si la personne subit un épisode d’apnée du sommeil ou va subir un épisode d’apnée. Autrement dit, il est déterminé si un épisode d’apnée du sommeil est détecté ou prédit par le module d’analyse 5.
Si c’est le cas, une commande d’émission d’un bruit rose est transmise au module d’émission 4 qui émet alors le bruit rose à l’étape S4. Si ce n’est pas le cas, aucune commande d’émission d’un bruit rose n’est transmise au module d’émission.
Les signaux de mesure sont acquis et analysés en continu durant toute la durée du procédé, soit durant la période de nuit de la personne P.
Ainsi, à l’étape S5 il est déterminé si l’épisode d’apnée du sommeil est interrompu. Plus précisément, il est déterminé si l’émission du bruit rose a permis d’effectuer un réveil sous-cortical de la personne P. Il est également déterminé si la personne respire normalement. Lorsque c’est le cas, une commande d’interruption d’émission du bruit rose est envoyée au module d’émission 4 qui interrompt l’émission du bruit rose (étape S6).
Si ce n’est pas le cas, le bruit rose est émis jusqu’au réveil sous-cortical de la personne P, permettant la fin de l’épisode d’apnée du sommeil.
Claims (12)
- Appareil de détection et d’interruption d’un épisode d’apnée du sommeil, ledit appareil étant configuré pour être porté sur la tête d’une personne durant une phase de sommeil de ladite personne, et comprenant :
* un module d’acquisition configuré pour acquérir au moins un signal de mesure représentatif d’un signal physiologique de la personne,
* un module d’analyse dudit signal de mesure pour détecter ou prédire un épisode d’apnée du sommeil,,
* un module d’émission agencé de manière à émettre un bruit rose à destination de la personne de manière à provoquer un réveil sous-cortical de la personne, lorsqu’un épisode d’apnée du sommeil est détecté ou prédit par le module d’analyse. - Appareil selon la revendication 1, dans lequel le module d’analyse comprend un modèle de prédiction d’un épisode d’apnée du sommeil, mis en œuvre par un algorithme intelligent entraîné pour prédire un épisode d’apnée du sommeil
- Appareil selon la revendication 2, dans lequel le module d’analyse est configuré pour prédire un épisode d’apnée du sommeil par une analyse de motifs apparaissant sur le signal de mesure, et de préférence le module d’analyse est configuré pour extraire et reconnaître au moins un paramètre représentatif d’un épisode, présent ou futur, d’apnée du sommeil suite à l’analyse des motifs apparaissant sur le signal de mesure.
- Appareil selon l’une des revendications 2 ou 3, dans lequel le module d’analyse comprend une intelligence artificielle configuré pour prédire une probabilité d’apparition d’un épisode d’apnée du sommeil, le bruit rose étant émis par le module d’émission lorsque la probabilité d’apparition d’un épisode d’apnée du sommeil est supérieure à un seuil prédéfini.
- Appareil selon la revendication 4, dans lequel l’intelligence artificielle comprend un réseau de neurones de type prédicteur, ayant préalablement subi un apprentissage sur une pluralité de signaux de mesure représentatifs d’un signal physiologique d’une pluralité de personnes.
- Appareil selon l’une des revendications 1 à 5, dans lequel le module d’analyse est configuré pour recevoir en entrée un signal de mesure brut.
- Appareil selon l’une des revendications 1 à 6, dans lequel le module d’acquisition comprend l’un au moins de :
- au moins une électrode de mesure d’un électroencéphalogramme de la personne,
- au moins une électrode de mesure d’un électromyogramme de la personne,
- au moins une électrode de mesure d’un électrocardiogramme de la personne,
- un microphone,
- un détecteur de rythme cardiaque,
- un accéléromètre,
- un détecteur de respiration,
- un capteur de bio-impédance. - Appareil selon l’une des revendications 1 à 7, dans lequel le module d’acquisition est configuré pour acquérir le signal de mesure en continu, le module d’analyse étant configuré pour analyser des sections du signal de mesure acquis sur une fenêtre de temps d’une largeur comprise entre 30 secondes et 5 minutes, et de préférence 3 minutes.
- Procédé de contrôle d’un état de sommeil d’une personne, le procédé comprenant :
-.une acquisition d’au moins un signal de mesure représentatif d’un signal physiologique de la personne par un module d’acquisition,
- une analyse dudit signal de mesure pour extraire au moins un paramètre représentatif d’un état de sommeil de la personne,
- en fonction du résultat de ladite analyse, envoi d’un signal par le module d’analyse à un module d’émission programmé pour émettre un bruit rose à la personne. - Procédé, selon la revendication 9, dans lequel ladite analyse est effectuée par un modèle de prédiction d’un état de sommeil de la personne, mise en œuvre par un algorithme intelligent entraîné pour prédire un état de sommeil d’une personne quelconque, ladite analyse comprenant en outre une classification du paramètre dans une classe parmi une pluralité de classes de paramètres en lui associant une probabilité d’appartenir à ladite classe, et, en fonction de la probabilité associé au paramètre d’appartenir à la classe, envoi du signal par le module d’analyse au module d’émission programmé pour émettre le bruit rose à la personne.
- Procédé selon l’une des revendications 9 ou 10, dans lequel le signal de mesure est un électroencéphalogramme.
- Procédé selon l’une des revendications 8 ou 9, dans lequel le module d’analyse comprend une intelligence artificielle, et de préférence ladite intelligence artificielle est un réseau de neurones, le procédé comprenant préalablement un entraînement par apprentissage de l’intelligence artificielle, ledit apprentissage comprenant :
- acquisition d’une pluralité de signaux de mesure représentatifs d’au moins un signal physiologique d’une pluralité de personnes,
- extraction sur la pluralité de signaux de mesure d’au moins un paramètre représentatif d’un état de sommeil,
- assignation dudit paramètre à une classe de paramètres parmi une pluralité de classes de paramètres,
- stockage de l’intelligence artificielle entraînée.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2004168A FR3109519A1 (fr) | 2020-04-27 | 2020-04-27 | Appareil de détection et d’interruption d’un épisode d’apnée du sommeil |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2004168A FR3109519A1 (fr) | 2020-04-27 | 2020-04-27 | Appareil de détection et d’interruption d’un épisode d’apnée du sommeil |
| FR2004168 | 2020-04-27 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3109519A1 true FR3109519A1 (fr) | 2021-10-29 |
Family
ID=78207496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2004168A Withdrawn FR3109519A1 (fr) | 2020-04-27 | 2020-04-27 | Appareil de détection et d’interruption d’un épisode d’apnée du sommeil |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3109519A1 (fr) |
-
2020
- 2020-04-27 FR FR2004168A patent/FR3109519A1/fr not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017021662A1 (fr) | Procédés et systèmes de stimulation acoustique des ondes cérébrales | |
| EP3387794B1 (fr) | Procede et systeme de recuperation de donnees de fonctionnement d'un dispositif de mesure des ondes cerebrales | |
| US9186105B2 (en) | Method and apparatus for detecting seizures | |
| FR3029117A1 (fr) | Dispositif et procede de stimulation des ondes lentes cerebrales | |
| WO2020217037A1 (fr) | Procede et systeme de determination d'une valeur de parametre biomecanique avance de demarche | |
| US11478186B2 (en) | Cluster-based sleep analysis | |
| WO2018002541A1 (fr) | Dispositif de détection d'au moins un trouble du rythme cardiaque | |
| EP4062425A1 (fr) | Analyse de sommeil basée sur un groupe | |
| FR3109519A1 (fr) | Appareil de détection et d’interruption d’un épisode d’apnée du sommeil | |
| WO2020089539A1 (fr) | Procédé, dispositif et système de prédiction d'un effet d'une stimulation acoustique des ondes cérébrales d'une personne | |
| FR3067241A1 (fr) | Systeme habitronique pour l'assistance a l'endormissement | |
| EP2196144B1 (fr) | Dispositif de détermination d'un état de stress chez un sujet vivant, procédé et produit programme d'ordinateur correspondants | |
| WO2020144421A1 (fr) | Procédé et dispositif de gestion intelligente d'une alarme pour le réveil d'une personne | |
| WO2022194719A1 (fr) | Dispositif de suivi d'une personne en utilisant des mesures d'activité contextualisees | |
| EP3232911B1 (fr) | Système de communication sans fil comprenant un nano-dispositif émetteur et un nano-dispositif récepteur pour le transfert d'une perception et un procédé de communication associé | |
| WO2023217730A1 (fr) | Procédé de surveillance du sommeil d'un utilisateur, dispositif de surveillance et programme d'ordinateur correspondants | |
| EP3547911B1 (fr) | Procedes et dispositifs de determination d'un signal synthetique d'une activite bioelectrique | |
| FR3125956A1 (fr) | Procédé de traitement de mesures effectuées par un capteur porté par une personne | |
| FR3103611A1 (fr) | Procédé et dispositif de suivi de l’activité d’une personne en perte d'autonomie | |
| AU2015255261B2 (en) | Method and apparatus for detecting seizures | |
| WO2022235512A1 (fr) | Détection de crises de patient pour dispositifs pouvant être portés par l'utilisateur | |
| WO1999022641A1 (fr) | Dispositif et procede de determination d'informations physiologiques, et utilisation correspondante |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ST | Notification of lapse |
Effective date: 20211205 |